r语言做决策树模型（少废话版本）

#第1步：工作目录和数据集的准备
setwd("C:/Users/IBM/Desktop/170222分类树建模/2.23建模")#设定当前的工作目录，重要！
audit2<-read.csv("model2.csv",header=T)
str(audit2) #转成字符串类型的


#第2步：做训练集和测试集
set.seed(1)
sub<-sample(1:nrow(audit2),round(nrow(audit2)*2/3))
length(sub) #24443
data_train<-audit2[sub,]#取2/3的数据做训练集
data_test<-audit2[-sub,]#取1/3的数据做测试集
dim(data_train)#训练集行数和列数24443 12
dim(data_test) #测试集的行数和列数12222 12
table(data_train$是否转化) 

table(data_test$是否转化)

#第3步：用训练集建模，观察模型结果
tree.both<-rpart(as.factor(是否转化)~ .,data=data_train,method='class',minsplit=20,minbucket=150,cp=0.00017)
summary(tree.both)
tree.both$variable.importance
printcp(tree.both)

plotcp(tree.both,lwd=2) 

#第4步：画决策树
#4.1画决策树第1种方法&#